從多幅圖像進行三維重建是指從一組圖像中創建三維模型。它是從三維場景中獲得二維圖像的反向過程。圖像的本質是一個從三維場景到二維平面的投影，在這個過程中，深度會丟失。對應于特定圖像點的三維點被限制在視線上。從一個單一的圖像中，不可能確定這條線上的哪個點與圖像點相對應。如果有兩幅圖像，那么三維點的位置就可以作為兩條投影射線的交點來尋找。這個過程被稱為三角測量。這個過程的關鍵是多個視圖之間的關系，它所傳達的信息是相應的點集必須包含一些結構，而且這種結構與攝像機的姿勢和校準有關。近幾十年來，計算機圖形學、虛擬現實和通信對3D內容有重要的需求，引發了對需求重點的改變。許多現有的構建3D模型的系統都是圍繞專門的硬件（如立體攝像機）建立的，導致成本很高，不能滿足其新的應用要求。這一差距刺激了數字成像設施（如照相機）的使用。一個早期的方法是由Tomasi和Kanade提出的。他們使用仿生因子化的方法從圖像序列中提取三維。然而，正交投影的假設是這個系統的一個重要限制。

將多個二維圖像轉換為三維模型的任務包括一系列的處理步驟。相機校準由內在和外在的參數組成，沒有這些參數，在某種程度上，任何安排的算法都無法工作。校準和深度確定之間的虛線表示，通常需要對相機進行校準以確定深度。深度確定是整個過程中xxx挑戰性的部分，因為它計算了任何給定圖像中缺少的三維成分--深度。對應問題，在兩幅圖像之間尋找匹配，以便匹配元素的位置可以在三維空間中進行三角測量，是這里的關鍵問題。一旦你有了多個深度圖，你就必須把它們結合起來，通過計算深度和投影出相機來創建一個最終的網格--注冊。

相機校準將被用來識別由深度圖創建的許多網格在哪里可以被組合成一個更大的網格，為觀察提供一個以上的視角。到了材料應用階段，你有了一個完整的三維網格，這可能是最終目標，但通常你會想把原始照片的顏色應用到網格上。這包括將圖像隨機地投射到網格上，通過結合紋理以獲得超分辨率的方法，最后通過材料對網格進行分割，如鏡面和漫反射特性。

給出一組由N個相機拍攝的三維點，其矩陣為{displaystyle{T{-1}w_{j}}}將滿足（1），任何4×4非線性矩陣T。將滿足(1)與任何4×4非辛格矩陣T。投射式重建可以只通過點的對應關系來計算，而不需要任何先驗的信息。

在自動校準或自我校準中，首先利用剛度恢復相機的運動和參數。然后，結構就可以很容易地被計算出來。下面介紹兩種實現這一想法的方法。

有了最小的三個位移，我們可以使用克魯巴的多項式方程系統來獲得攝像機的內部參數，這些方程是由剛性約束的幾何解釋得出的。該矩陣{displaystyleK=AA{top}}在Kruppa中是未知的。是克虜伯方程中的未知數，名為克虜伯系數矩陣。有了K，通過Cholesky因子化的方法，可以很容易地得到本征參數。